百度王亮分享Apollo Lite自動駕駛視覺技術(shù)進(jìn)展

距百度19年夏天公布阿波羅精簡版——城市道路視覺L4自動駕駛解決方案過去了整一年，Apollo Lite在過去的一年里實現(xiàn)了許多傲人成績，累積閉環(huán)測試?yán)锍烫嵘?3倍，單位里程交互機(jī)動車/非機(jī)動車/行人個數(shù)提升了2倍。同時，MPI提升2.5倍，點(diǎn)到點(diǎn)送達(dá)成功率提升60%。

6月18日，2020（第二屆）汽車?yán)走_(dá)前瞻技術(shù)展示交流會在蘇州召開，在百度Apollo Lite一周年之際，百度Apollo技術(shù)委員會主席王亮雖然因為疫情原因沒能到達(dá)現(xiàn)場，但他仍為大家分享了百度自動駕駛視覺技術(shù)進(jìn)展，分享包括對數(shù)據(jù)驅(qū)動提升駕駛能力的實踐和對L4自動駕駛傳感器終局的認(rèn)知和思考。

L4技術(shù)發(fā)展的兩種路徑之爭

說到激光雷達(dá)和視覺方案繞不開兩種路徑之爭，首先是以waymo為主的商業(yè)模式“交通即服務(wù)”，它是限定區(qū)域的自動駕駛，重高清地圖。傳感器方案是以激光雷達(dá)為主，一個或多個激光雷達(dá)。它的優(yōu)勢比較明顯能幫助公司快速搭建系統(tǒng)原型，檢測、提取和分割相對較容易；有一定的安全保障；采用三維信息幾何的結(jié)構(gòu)信息，顏色光照變化比較低，所以它對于數(shù)據(jù)的依賴程度低。而它的缺點(diǎn)就是傳感器成本高、擴(kuò)展性弱、商業(yè)化速度慢。

與此對比是以特斯拉為典型代表的商業(yè)模式“汽車即產(chǎn)品”，輔助駕駛漸進(jìn)過渡到自動駕駛，以攝像頭為主，輕地圖。它的優(yōu)勢是攝像頭成本低、擴(kuò)展性強(qiáng)和商業(yè)化速度快。它的劣勢主要是系統(tǒng)搭建周期長；對人才、數(shù)據(jù)的依賴程度高；對于安全保障還不夠。

王亮認(rèn)為，路線的設(shè)定既不是權(quán)衡利弊后的選擇站隊，也不是簡單一句“各取所需，避之所短”，百度追求的是一條符合國情同時也最適合百度自身的技術(shù)路線。

傳感器的認(rèn)知判斷

“在L4級自動駕駛傳感器選型上，激光雷達(dá)和攝像頭不是排他的，也不是單純的從屬或互補(bǔ)關(guān)系，從安全性考慮，二者具備相同的重要性和不可取代性，缺一不可?！?王亮堅定沿著多傳感器融合的路線往前推動，多傳感器融合的方法也不一樣。

激光雷達(dá)

百度的態(tài)度是選擇做自己擅長的事情，不自研，擁抱生態(tài)合作伙伴，充分信任激光雷達(dá)合作伙伴的設(shè)計和技術(shù)能力，幫助百度提供市面上最高性價比的產(chǎn)品。面對“百花齊放”的市場，百度選擇不自研，就要考慮對沖其帶來的不確定性影響。百度希望在激光雷達(dá)方面有選擇的自由，未來的算法和系統(tǒng)能比較容易支配雷達(dá)方案。

攝像頭

攝像頭圖像信息量大，但和激光雷達(dá)相比，信息挖掘難度高，對人才、算法、數(shù)據(jù)、規(guī)?；瘷C(jī)器學(xué)習(xí)能力要求高。它的技術(shù)趨勢更多的是分辨率、成像質(zhì)量、成像速度等維度的提升，圖像數(shù)據(jù)復(fù)用性號，技術(shù)壁壘高。

視覺技術(shù)迭代

在激光雷達(dá)為主、視覺為輔的傳統(tǒng)融合策略中，視覺感知自身問題和缺陷在雷達(dá)感知的掩蓋下暴露不充分，認(rèn)識到這點(diǎn)后，要把視覺技術(shù)單獨(dú)列出來解決。在激光雷達(dá)方面有選擇的自由權(quán)，手里握著一張“純視覺感知”的船票，這樣百度將更有信心在未來選擇性價比最高的激光雷達(dá)，與視覺方案配合，來保障客戶的安全。

軟件系統(tǒng)學(xué)習(xí)化改造

除了解決二維和三維的問題，還需要持續(xù)積極的探索實踐“數(shù)據(jù)轉(zhuǎn)化為駕駛能力”的途徑，逐步用基于數(shù)據(jù)和機(jī)器學(xué)習(xí)的方法取代規(guī)則。首先，規(guī)則方法需要設(shè)計算法，這對專業(yè)人員需要一定的專業(yè)背景，還需要觀察、假設(shè)和調(diào)參，代碼實現(xiàn)后再進(jìn)行效果評判，這是傳統(tǒng)的方法。那機(jī)器學(xué)習(xí)的方法首先需要搭建訓(xùn)練框架，然后實現(xiàn)數(shù)據(jù)的聚類，整個框架構(gòu)成后，框架可復(fù)用，高度自動化，最后基于模型進(jìn)行效果評測，它對數(shù)據(jù)的消化能力是更強(qiáng)的，處理海量數(shù)據(jù)更快更好，能打通數(shù)據(jù)轉(zhuǎn)化為駕駛能力。

有了框架后還遠(yuǎn)遠(yuǎn)不夠，要真正解決問題，有了數(shù)據(jù)后，怎么充分利用數(shù)據(jù)，比較高效消化數(shù)據(jù)？百度把有價值的數(shù)據(jù)快速提取出來，進(jìn)行數(shù)據(jù)標(biāo)注，來進(jìn)行高頻的數(shù)據(jù)迭代，迭代周期來約束衡量的評價。最后，結(jié)合路況進(jìn)行測試，把構(gòu)成的模型應(yīng)用于車上。舉一個數(shù)據(jù)驅(qū)動模型能力提升案例，以紅綠燈為例，用異形燈代替普通紅綠燈，讓建模更加精確，涵蓋范圍廣；其次，道路修整頻率增加，道路增加移動紅綠燈。最后，對倒計時的需求，把握地更加精準(zhǔn)。

自動駕駛的發(fā)展不能一蹴而就，要達(dá)到自動駕駛和無人駕駛的終局，必然要經(jīng)歷漫長的過程。百度Apollo在此領(lǐng)域內(nèi)不斷去嘗試商業(yè)化落地，遲早會走出一條適合“中國特色”的自動駕駛之路。